3、nRF52840硬件架构：CPU、内存、外设、GPIO、ADC、SPI、I2C、UART、USB、以及BLE无线电特性

nRF52840是Nordic Semiconductor推出的旗舰级多协议系统级芯片（SoC），在TinyML与低功耗物联网场景中扮演着核心角色。理解其硬件架构，不仅是进行传感器数据采集、边缘推理和低功耗同步的基础，更是决定项目成败的关键。本章将从CPU与内存子系统、丰富的外设接口、GPIO与模拟采集链路，以及BLE 5.0无线电特性四个维度展开，帮助你在设计传感器识别与数据同步方案时，能够精准匹配硬件资源，规避常见的工程陷阱。

上图展示了nRF52840的核心架构关系。CPU作为主控，通过内部总线与内存、数字外设、模拟外设和BLE无线电交互。传感器数据经GPIO/ADC或SPI/I2C进入芯片，在Cortex-M4F中完成TinyML推理后，结果通过BLE无线电同步至手机或网关。理解这条数据链路，是后续开发的基础。

3.1 CPU与内存子系统：TinyML的算力底座

核心原理

nRF52840搭载ARM Cortex-M4F处理器，主频64MHz，支持浮点运算单元（FPU）和DSP指令集。对于TinyML而言，FPU的意义重大——神经网络推理中的大量乘加运算（MAC）和激活函数（如sigmoid、tanh）需要浮点计算，硬件FPU比软件模拟快5-10倍。此外，芯片内置Arm TrustZone CryptoCell-310安全模块，支持硬件加速的AES-128/256、SHA-256等加密算法，为低功耗数据同步提供安全传输基础。

内存配置为1MB Flash和256KB RAM。其中，Flash用于存储固件、模型参数和日志；RAM则分为静态RAM和保留RAM。在TinyML场景中，模型通常以C数组形式存储在Flash中，推理时再加载到RAM。256KB RAM对于大多数轻量级模型（如MobileNetV1的1/8版本、TinyLSTM等）是足够的，但若模型过大，则需考虑Flash和RAM的平衡。

判断方法与操作流程

评估模型是否适配nRF52840，可遵循以下步骤：

1. 计算模型大小：将模型参数量乘以4字节（float32），加上中间激活值缓冲区大小，估算RAM占用。
2. 检查Flash余量：固件本身约占用100-200KB，剩余空间需容纳模型和Bootloader。
3. 评估推理时间：在开发板上运行基准测试，若单次推理超过200ms，则需考虑模型量化（从float32转为int8）或裁剪。

案例拆解：加速度计手势识别模型部署

假设我们要部署一个3轴加速度计的手势识别模型（输入3×32=96个float32特征，两层全连接网络，隐藏层64节点）。模型参数量约为(96×64+64)+(64×3+3)=6,243个参数，float32占用约25KB。加上中间激活值（64×4=256B）和输入缓冲区（96×4=384B），总RAM占用约26KB，远小于256KB。Flash占用约25KB，也完全可行。推理时间在64MHz主频下约15ms，满足实时性要求。

常见误区与总结

总结：CPU与内存是TinyML的物理基础。选型时需先估算模型资源占用，再决定是否量化或裁剪。FPU和TrustZone是nRF52840的差异化优势，应充分利用。

3.2 数字外设接口：SPI、I2C、UART与USB

核心原理

nRF52840提供丰富的外设接口，用于连接各类传感器、存储器和主机设备。SPI（3个实例）支持最高32MHz时钟，适合高速数据传输（如摄像头、外部Flash）；I2C（2个实例）支持100/250/400kHz，适合低速传感器（如温湿度、气压计）；UART（2个实例）支持最高1Mbps，常用于调试日志或与GPS模块通信；USB 2.0全速接口支持设备模式和HID类，可模拟串口或进行固件升级。

这些外设均支持EasyDMA（可编程外设互联系统，PPI），允许外设之间直接传输数据，无需CPU干预。例如，SPI读取传感器数据后，可直接通过PPI触发UART发送，实现零拷贝数据流。

操作流程：配置SPI读取IMU数据

// 使用nRF Connect SDK的SPI驱动示例
#include <zephyr/drivers/spi.h>
static const struct spi_config spi_cfg = {
    .frequency = 1000000,  // 1MHz
    .operation = SPI_OP_MODE_MASTER | SPI_WORD_SET(8) | SPI_TRANSFER_MSB,
    .slave = 0,
};
// 读取6字节IMU数据
uint8_t tx_buf[1] = {0x00}; // 寄存器地址
uint8_t rx_buf[6];
struct spi_buf tx_bufs[] = { { .buf = tx_buf, .len = 1 } };
struct spi_buf rx_bufs[] = { { .buf = rx_buf, .len = 6 } };
struct spi_message msg = { .buffers = tx_bufs, .count = 1 };
spi_transceive(&spi_dev, &spi_cfg, &msg);
// 注意：实际使用需先发送寄存器地址，再读取数据，可能需要两次传输

案例拆解：多传感器数据同步采集

在一个环境监测节点中，需要同时采集温湿度（I2C，地址0x40）、气压（I2C，地址0x77）和加速度（SPI，CS引脚P0.10）。为避免总线冲突，可采用以下策略：

通过PPI将SPI的END事件连接到定时器，实现精确的100Hz采样触发。I2C传感器则采用轮询方式，每100ms读取一次。实测CPU占用率低于15%，大部分时间处于睡眠状态。

常见误区与总结

总结：数字外设接口的选择取决于传感器类型和速率。SPI适合高速、大数据量；I2C适合低速、多设备；UART用于调试；USB用于与PC通信。合理利用PPI和EasyDMA可大幅降低CPU负载。

3.3 GPIO与ADC：模拟世界的数字化入口

核心原理

nRF52840提供48个GPIO引脚，每个引脚均可配置为输入/输出、上拉/下拉、驱动强度（标准/高）和中断触发方式（边沿/电平）。GPIO还支持DETECT信号，可在睡眠模式下唤醒CPU，是低功耗设计的关键。

ADC为12位逐次逼近型（SAR），支持8个外部通道和3个内部通道（VDD/4、温度、VDD/2）。采样率最高可达200ksps，支持单次、连续和扫描模式。ADC的参考电压可选择内部0.6V、VDD或外部输入，增益可配置为1/2/4/8倍，以适应不同幅度的传感器信号。

操作流程：配置ADC读取光敏电阻

// 使用Zephyr ADC驱动
#include <zephyr/drivers/adc.h>
static const struct adc_channel_cfg ch_cfg = {
    .gain = ADC_GAIN_1_6,  // 1/6增益，输入范围0-3.6V
    .reference = ADC_REF_INTERNAL, // 内部0.6V参考
    .acquisition_time = ADC_ACQ_TIME_DEFAULT,
    .channel_id = 0,
};
int16_t sample_buf;
struct adc_sequence sequence = {
    .channels = BIT(0),
    .buffer = &sample_buf,
    .buffer_size = sizeof(sample_buf),
    .resolution = 12,
};
adc_read(&adc_dev, &sequence);
// 计算电压：V = sample_buf * 0.6 / 4096 * 6

案例拆解：电池电压监测与低功耗唤醒

在可穿戴设备中，需监测锂电池电压（3.0-4.2V）。使用ADC内部通道VDD/4，将电压分压至0.75-1.05V，在1/4增益下可精确测量。配置GPIO P0.13作为中断输入，连接外部加速度计的运动中断引脚。当设备静止时，CPU进入System ON模式，电流仅1.9μA；当加速度计检测到运动时，GPIO中断唤醒CPU，读取ADC和传感器数据，执行推理并BLE发送。实测平均功耗从3.2mA降至45μA，电池寿命延长10倍。

常见误区与总结

总结：GPIO和ADC是连接物理世界与数字核心的桥梁。低功耗设计应充分利用GPIO中断和ADC的自动唤醒功能，避免CPU轮询。

3.4 BLE 5.0无线电特性与低功耗同步

核心原理

nRF52840的BLE无线电支持蓝牙5.0规范，包括2Mbps物理层（LE 2M）、长距离编码（LE Coded，125/500kbps）和广播扩展。发射功率可配置为-20至+8dBm，接收灵敏度为-96dBm（1Mbps模式）。在0dBm发射功率下，典型链路预算为96dB，室内传输距离约30-50米。

无线电支持同时广播和扫描，可建立多个连接。在TinyML场景中，BLE常用于将推理结果（如手势类别、异常检测标志）同步至手机或网关。低功耗同步的关键在于：

• 连接间隔：7.5ms至4s可调，间隔越长功耗越低，但延迟越高。
• 从机延迟：允许从机跳过多个连接事件，进一步省电。
• 数据长度扩展：单包最多251字节，减少传输次数。

操作流程：配置BLE通知发送推理结果

// 使用Zephyr BLE API
static void send_result(uint8_t *data, size_t len) {
    struct bt_gatt_notify_params params = {
        .attr = &my_chrc.attr,
        .data = data,
        .len = len,
    };
    bt_gatt_notify_cb(NULL, &params);
}
// 在连接回调中配置连接参数
static void connected(struct bt_conn *conn, uint8_t err) {
    struct bt_le_conn_param param = BT_LE_CONN_PARAM_INIT(6, 6, 0, 400); // 7.5ms间隔，400ms从机延迟
    bt_conn_le_param_update(conn, &param);
}

案例拆解：低功耗数据同步的功耗优化

一个跌倒检测设备，每100ms采集一次IMU数据，推理后仅在检测到跌倒时发送BLE通知。初始设计使用1Mbps物理层，连接间隔30ms，平均电流1.2mA。优化后：

综合优化后，平均电流降至0.35mA，且由于2Mbps速率更快，单次传输时间从1.2ms降至0.6ms，进一步缩短了无线电开启时间。

常见误区与总结

总结：BLE 5.0提供了灵活的速率和功耗平衡选项。低功耗同步的核心是“按需传输”——只在必要时发送数据，并利用2Mbps和从机延迟降低平均电流。

3.5 硬件架构综合复盘与选型建议

nRF52840的硬件架构在TinyML领域具有明显优势：Cortex-M4F提供充足算力，256KB RAM可容纳中等规模模型，丰富的外设接口适配各类传感器，BLE 5.0则保证了低功耗无线同步。在实际项目中，建议遵循以下设计流程：

1. 需求分析：明确传感器类型、采样率、推理频率和同步方式。
2. 资源估算：计算模型大小、RAM占用和功耗预算。
3. 外设规划：分配GPIO、SPI/I2C实例，避免引脚冲突。
4. 低功耗设计：利用GPIO中断、ADC自动唤醒和BLE连接参数优化。
5. 测试验证：使用Nordic Power Profiler Kit测量各状态电流，迭代优化。